このブラウザーはサポートされなくなりました。
Microsoft Edge にアップグレードすると、最新の機能、セキュリティ更新プログラム、およびテクニカル サポートを利用できます。
検索拡張生成 (RAG) の主な目的は何ですか?
ソース情報が変更されるたびに言語モデルを再トレーニングする。
データ ソースから取得された関連情報で生成された応答をグラウンドにするため。
言語モデルを検索エンジンに置き換えます。
大きなドキュメントがインデックスを作成する前に一般的にチャンクに分割されるのはなぜですか?
そのため、ソリューションは、プロンプトに効率的に収まるフォーカスされた通路を取得できます。
そのため、すべてのチャンクを使用して、個別の言語モデルをトレーニングできます。
そのため、元のドキュメントを保存する必要がなくなりました。
埋め込みは RAG ソリューションで何を表していますか?
コンテンツのセマンティック特性をキャプチャする数値ベクトル。
モデルの動作を定義する一連の命令。
ユーザーに対して生成された最終的な回答。
単語が異なる場合でも、クエリが 「出張費」について尋ねると、"会社の出張費" に関する一節を見つけることができる検索方法はどれですか?
セマンティック ベクター検索。
正確なファイル名の一致。
ランダムなドキュメント選択。
RAG 応答は fluent ですが、正しくないポリシー制限が含まれています。 最初に何を調べる必要がありますか?
正しいポリシーと現在のポリシーの通過が取得され、コンテキストとして提供されたかどうか。
言語モデルが長い応答を生成できるかどうかを示します。
関連のないドキュメントをプロンプトに追加できるかどうかを指定します。
作業を確認する前にすべての問題に回答する必要があります。
このページはお役に立ちましたか?
このトピックについてサポートが必要ですか?
このトピックの意図を把握したり、理解を深めたりするために Ask Learn を使ってみませんか?